Young Professionals at Disaster Management Institute

-



ഡിസാസ്റ്റർ മാനേജ്മെൻ്റ് ഇൻസ്റ്റിറ്റ്യൂട്ടിൽ യംഗ് പ്രൊഫഷണൽസ്- പ്രതിമാസ വേതനം 37500 രൂപ.

കേന്ദ്ര ആഭ്യന്തര മന്ത്രാലയത്തിൻ്റെ കീഴിലുള്ള നാഷണൽ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ഡിസാസ്റ്റർ മാനേജ്മെൻ്റ്, കരാർ അടിസ്ഥാനത്തിൽ പ്രവർത്തിക്കുവാൻ,  യുവ പ്രൊഫഷണലുകളുടെ പാനൽ രൂപീകരിക്കുന്നു.

ഡിസാസ്റ്റർ റസ്പോൺസ് & റിക്കവറി, റസൈലിയൻ്റ് ഇൻഫ്രാസ്ട്രക്ചർ, ഗവർണൻസ് & ഇൻക്ലൂസീവ്
ഡിസാസ്റ്റർ റസ്പോൺസ് & റിക്കവറി,
എൻവയൺമൻ്റൽ ഡിസാസ്റ്റർ റിസ്ക് മാനേജ്മൻ്റ്, ജിയോ മെറ്റിയോറോളജിക്കൽ റിസ്ക് മാനേജ്മെൻ്റ്, കെമിക്കൽ ബയോളജിക്കൽ റേഡിയോളജിക്കൽ  ന്യൂക്ലിയാർ & സൈബർ റിസ്ക് മാനേജ്മെൻ്റ് തുടങ്ങിയ, ഇൻസ്റ്റിറ്റ്യൂട്ടിൻ്റെ വിവിധ ഡിവിഷനുകളിലായി, നിശ്ചിത പ്രവർത്തനമേഖലയിൽ, നിലവാരമുള്ള സംഭാവനകളാണ് തിരഞ്ഞെടുക്കപ്പെടുന്നവരിൽനിന്നും പ്രതീക്ഷിക്കുന്നത്.

ബന്ധപ്പെട്ട/അനുബന്ധ മേഖലയിൽ; ബിരുദവും രണ്ടു വർഷത്തെ പ്രവർത്തിപരിചയവും/പി.ജി.യും ഒരു വർഷത്തെ പ്രവർത്തിപരിചയവും/ പി.എച്ച്.ഡി. വേണം. പ്രായം, 31.7.2020 ന് 35 ൽ താഴെയായിരിക്കണം.

മികവ്, ആവശ്യകത എന്നിവ പരിഗണിച്ച് ഒരു വർഷത്തേക്കാകും ആദ്യം അവസരം ലഭിക്കുക. കാലയളവ് നീട്ടാം. പ്രതിമാസ വേതനം 37500 രൂപ. ഡൽഹിയിലാകും പ്രവർത്തിക്കേണ്ടത് .

അപേക്ഷാ മാതൃക, വിശദാംശങ്ങൾ എന്നിവ അടങ്ങുന്ന വിജ്ഞാപനം https://nidm.gov.in ൽ ലഭിക്കും.

അപേക്ഷ സെപ്തംബർ 14 വരെ സ്വീകരിക്കും. ഇമെയിൽ വിലാസം: yp.nidm@gmail.com


....

Vineesh V
Assistant Professor of Geography,
Directorate of Education,
Government of Kerala.
https://www.facebook.com/Applied.Geography
http://geogisgeo.blogspot.com
🌏🌎
🌐🌍

Comments

Post a Comment

Popular posts from this blog

Spatial feature manipulation in remote sensing

-
Image
Spatial feature manipulation in remote sensing refers to the process of altering or modifying the spatial characteristics of a particular feature in an image or data set. This can be done for a variety of reasons, such as to improve the accuracy or clarity of the image, to enhance the interpretability of the data, or to extract specific information from the image. One common method of spatial feature manipulation is resampling, which involves changing the resolution or spatial extent of an image. This can be done to match the resolution of other data sets, to reduce the size of the image for faster processing, or to increase the resolution for greater detail. Another technique is spatial filtering, which involves applying mathematical operations to the image data to remove noise or highlight specific features. This can be done using convolution filters, which apply a pre-defined mathematical function to the image data, or using image enhancement techniques, such as contrast stretching
Read more

Grey level thresholding. Level slicing. Contrast stretching lo p

-
Image
Grey level thresholding. Level slicing. Contrast stretching. Image enhancement Lillesand and Kiefer (1994) explained the goal of image enhancement procedures is to improve the visual interpretability of any image by increasing the apparent distinction between the features in the scene. This objective is to create "new" image from the original image in order to increase the amount of information that can be visually interpreted from the data. Enhancement operations are normally applied to image data after the appropriate restoration procedures have been performed. Noise removal, in particular, is an important precursor to most enhancements. In this study, typical image enhancement techniques are as follows: Grey level thresholding Grey level thresholding is a simple lookup table, which partitions the gray levels in an image into one or two categories - those below a user-selected threshold and those above. Thresholding is one of many methods for creating a binary mask for an i
Read more

Spatial filtering, Remote Sensing. Low-pass filter. High-pass filter

-
Spatial filtering encompasses another set of digital processing functions which are used to enhance the appearance of an image. Spatial filters are designed to highlight or suppress specific features in an image based on their spatial frequency. Spatial frequency is related to the concept of image texture. It refers to the frequency of the variations in tone that appear in an image. "Rough" textured areas of an image, where the changes in tone are abrupt over a small area, have high spatial frequencies, while "smooth" areas with little variation in tone over several pixels, have low spatial frequencies. A common filtering procedure involves moving a 'window' of a few pixels in dimension (e.g. 3x3, 5x5, etc.) over each pixel in the image, applying a mathematical calculation using the pixel values under that window, and replacing the central pixel with the new value. The window is moved along in both the row and column dimensions one pixel at a time and the ca
Read more